### 使用 Docker Compose 和 Nginx 部署高并发 FastAPI 项目的方案 为了实现高并发场景下的 FastAPI 应用部署，可以通过以下方式利用 Docker Compose 和 Nginx 来构建高效的生产环境架构。 #### 1. **项目目录结构** 以下是推荐的项目文件夹结构： ```plaintext . ├── docker-compose.yml ├── nginx/ │ └── conf.d/ │ └── default.conf ├── app/ │ ├── main.py │ ├── requirements.txt │ └── other_files... └── gunicorn_conf.py ``` - `docker-compose.yml` 是用于定义服务的核心配置文件。 - `nginx/conf.d/default.conf` 提供反向代理和负载均衡功能。 - `app/main.py` 是 FastAPI 的入口脚本。 - `gunicorn_conf.py` 定义 Gunicorn 工作线程的数量和其他参数[^2]。 --- #### 2. **Nginx 反向代理配置** Nginx 被用来处理外部请求并将其转发到 FastAPI 后端。这是典型的高性能 Web 架构设计之一。 ```nginx server { listen 80; server_name localhost; location / { proxy_pass http://fastapi:8000; proxy_set_header Host $host; proxy_set_header X-Real-IP $remote_addr; proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for; proxy_set_header X-Forwarded-Proto $scheme; } error_log /var/log/nginx/error.log warn; access_log /var/log/nginx/access.log; } ``` 此配置将所有来自客户端的 HTTP 请求路由至内部运行的 FastAPI 实例 (默认监听在 `http://fastapi:8000`) [^3]。 --- #### 3. **Gunicorn 配置优化** 对于高并发支持，建议使用 Gunicorn 并设置适当的工作进程数来充分利用 CPU 核心资源。下面是一个简单的 Gunicorn 配置示例 (`gunicorn_conf.py`)： ```python import multiprocessing bind = '0.0.0.0:8000' workers = multiprocessing.cpu_count() * 2 + 1 worker_class = 'uvicorn.workers.UvicornWorker' # 支持 ASGI 协议 timeout = 120 keepalive = 65 loglevel = 'info' accesslog = '-' errorlog = '-' ``` 该配置会根据主机上的可用核心数量动态调整工作进程数目，并启用 Uvicorn Worker 类型以适配 ASGI 接口标准[^4]。 --- #### 4. **Docker Compose 文件编写** 创建一个完整的 `docker-compose.yml` 文件来描述所需的服务及其依赖关系： ```yaml version: '3.8' services: web: build: ./app command: gunicorn -c ../gunicorn_conf.py main:app volumes: - ./app:/app ports: - "8000:8000" environment: - PYTHONUNBUFFERED=1 restart: always nginx: image: nginx:alpine container_name: nginx ports: - "80:80" volumes: - ./nginx/conf.d/:/etc/nginx/conf.d/ depends_on: - web restart: always ``` 在此配置中： - `web` 服务负责运行 FastAPI 应用程序并通过 Gunicorn 进行管理； - `nginx` 则提供静态文件缓存以及对外部流量的安全接入控制[^1]。 --- #### 5. **性能调优与扩展策略** 针对更高水平的并发需求，还可以考虑以下几个方面进一步提升系统的承载能力： - 添加 Redis 或 Memcached 缓存层减少数据库查询压力。 - 将日志记录重定向存储于远程 ELK 堆栈以便实时监控分析。 - 如果单节点无法满足业务增长，则可引入 Kubernetes 对集群实施自动化调度与弹性伸缩操作。 ---